瑞银全球量化策略:机器学习改进行业模型与价值投资|2018研究
瑞银量化团队提出基于机器学习的替代行业模型,仅使用财务数据和宏观经济时间序列构建同质化行业分组。研究发现,在该模型下构建的价值因子(如FCF收益率、市盈率等)在大盘股中每年产生1-4%的超额收益,且波动率和换手率与传统策略相当。该方法在发达市场一致有效,非黑箱技术,能显著提升风险调整后收益。适合量化研究员、资产管理者、因子投资从业者及金融科技开发者参考。
瑞银量化团队提出基于机器学习的替代行业模型,仅使用财务数据和宏观经济时间序列构建同质化行业分组。研究发现,在该模型下构建的价值因子(如FCF收益率、市盈率等)在大盘股中每年产生1-4%的超额收益,且波动率和换手率与传统策略相当。该方法在发达市场一致有效,非黑箱技术,能显著提升风险调整后收益。适合量化研究员、资产管理者、因子投资从业者及金融科技开发者参考。
瑞银量化团队提出基于机器学习的替代行业模型,仅使用财务数据和宏观经济时间序列构建同质化行业分组。研究发现,在该模型下构建的价值因子(如FCF收益率、市盈率等)在大盘股中每年产生1-4%的超额收益,且波动率和换手率与传统策略相当。该方法在发达市场一致有效,非黑箱技术,能显著提升风险调整后收益。适合量化研究员、资产管理者、因子投资从业者及金融科技开发者参考。
瑞银量化团队提出基于机器学习的替代行业模型,仅使用财务数据和宏观经济时间序列构建同质化行业分组。研究发现,在该模型下构建的价值因子(如FCF收益率、市盈率等)在大盘股中每年产生1-4%的超额收益,且波动率和换手率与传统策略相当。该方法在发达市场一致有效,非黑箱技术,能显著提升风险调整后收益。适合量化研究员、资产管理者、因子投资从业者及金融科技开发者参考。核心数据:价值因子超额收益1-4%每年;发达市场一致有效;波动率与换手率与传统策略相当。
本报告由瑞银发布,发布于 2018 年。
覆盖 2018 年,全文约 33。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、资产管理者、因子投资从业者、金融科技开发者等读者参考。
重点分析了金融投资、量化策略、价值投资、瑞银等议题。